基于应用能力提升的仿真实验课程体系实验综述——以合肥学院为例

为了在有限的条件下培养学生的专业能力,合肥学院运用现有的教学条件模拟企业的实际运营,结合模块化教学方式开展仿真实验教学的改革。在模块化实验教学中,通过物理仿真教学法(橡皮泥沙盘仿真实验)与计算机仿真(物流仿真软件)教学法相融合并循序渐进实施应用,从而取得良好的实验教学效果。     

纳米Li1.05Ni0.05Mn1.90O4正极材料的合成及电化学性能

采用液相无焰燃烧法在500℃反应1 h,然后在600℃二次焙烧3、6、9 h和12 h制备了尖晶石型Li_1.05Ni_0.05Mn_1.90O₄正极材料.结果表明,不同二次焙烧时间制备的Li-Ni复合共掺材料没有改变LiMn₂O₄的尖晶石结构,随着焙烧时间的增加,颗粒尺寸增大,结晶性提高.二次焙烧时间为9 h的Li_1.05Ni_0.05Mn_1.90O₄样品的颗粒尺寸约为70～100 nm,具有优异的电化学性能,在1 C(1 C=148 mA·h·g^-1)倍率,初始放电比容量为94.8 mA·h·g^-1,400次循环后展现出72.15%的容量保持率;在5 C下初始放电比容量可达到89.7 mA·h·g^-1,800次循环后,仍能维持70.79%的容量保持率.并且具有较小的电荷转移电阻和较低的表观活化能.Li-Ni复...     

新型变形轮腿式移动机器人的运动学分析及设计

移动机器人作为智能勘探与侦察的自动化装备,在航天探测、军事侦察、抢险救灾等领域具有广阔的应用前景.兼具良好的机动性及越障性是移动机器人快速适应非结构化复杂环境的首要性能指标,结合轮式行进机构强机动性与腿式行进机构优越障性的变形轮腿式移动机器人受到普遍青睐.然而,现有变形轮腿式移动机器人在设计与优化方面仍存在变形形式过于复杂、设计方法缺乏理论依据等不足.针对上述问题,提出一种结构紧凑、操作简便的新型轮腿变换结构,借助电磁离合器分离运动的原理,通过改变轮-腿变形动力输入促使轮与腿相对运动,以曲柄滑块机构触发轮-腿结构径向扩展,完成由轮式变形为腿式的过程.定义变形过程中曲柄滑块机构的压力角为机动性指标、变形前后结构的展开比为越障性指标,进而开展变形结构的尺度综合,优化结果表明新型变形轮腿式移动机器人的展开比为1.92,可越过高度为150 mm的障碍物.基于优化后的尺度参数,建立变形轮腿式移动机器人越障过程的动力学模型,确定驱动电机参数,设计并制造物理样机.最终开展软件仿真与实验研究,仿真结果与理论分析结果一致,表明优化设计方法与动力学建模方法的有效性,实验结果证明所设计的变形轮腿式机器人具有...     

“面向对象的设计与分析”课程思政的教学设计及实践

文章以课程“面向对象的设计与分析”为研究对象,首先探讨该课程思政教育的必要性、可行性。然后,从挖掘“思政”元素、探索融入路径与设计思政教学案例等三个方面阐述本课程思政教学的设计方案。并且,以“‘三省六部制’案例融入包图设计”的教学为例,介绍本课程思政教学的具体实施。在“面向对象的设计与分析”课程引入思政教育,有助于帮助学生克服困难、以提升知识习得能力;强化实现民族复兴责任感及职业道德感,有助于实现全面育人的目的。     

基于概率神经网络的地铁车站易损性分析

基于深度学习方法提出了一种地震响应概率模型，并基于此模型推导了地铁车站结构极限状态超越概率的计算公式，以评价结构的地震易损性。首先采用主成分分析对地震强度指标进行正交化和降维；为了克服传统地震响应概率模型中地震动强度指标与结构地震响应指标服从对数空间线性分布假设的局限性，基于BP神经网络建立趋势模型以预测结构的地震响应；基于概率神经网络建立误差模型以描述基于统计的趋势模型与基于物理机制的数值模型之间的误差，以拓展残差的齐次方差正态分布假设的严格限制。最后，以上海典型2层三跨地铁车站为算例，计算得到其易损性曲线。结果表明，基于深度学习建立的趋势模型较好地模拟了地铁车站结构地震响应随地震强度指标第一主成分的非线性变化特征；建立的误差模型准确地描述了趋势模型预测值的残差随地震强度指标第一主成分的方差非齐次特征。     

风险规避型零售商的信息共享价值研究

在市场需求不确定的情况下,利用条件风险估值(CVaR)准则描述零售商的风险规避度对供应链收益的影响,并建立信息共享模型,研究零售商的风险规避度与信息共享价值之间的关系.结果表明,市场需求不确定的情况下,信息共享价值与零售商的风险规避度以及获取得市场信息量有关.数值分析显示,零售商的风险规避度越大,信息共享价值越高;市场需求越不确定,信息共享带来的价值越高.     

基于深度学习的Stack Overflow问题帖分类方法

针对基于正则表达式和传统机器学习的分类方法分别存在模式手工提取困难和性能瓶颈的问题, 提出一种基于深度学习的问题帖分类方法, 采用深度文本挖掘模型TextCNN和融合注意力机制的TextRNN构建分类模型. 实验结果表明, 基于深度学习的方法在多数问题目的类别上的分类性能优于已有基准方法, 且使用的Adam优化器优于SGD优化器, 使用Glove预训练的词向量优于使用随机生成的词向量. 该方法以提问目的对帖子进行分类, 可为分析Stack Overflow(SO)上的帖子讨论主题增加新维度.     

普通高校生物师范生和教育硕士教学实践能力调查分析

采用问卷调查法,针对生物本科师范生及教育硕士的教学实践能力进行调查和分析,对生物本科生和生物学教育硕士在教育实习期间的教学能力、实验技能、专业知识等方面进行对比分析.根据研究结果提出了几点思考,以期为师范院校在生物专业师范生及教育硕士培养方面提供参考.     

动力学模态分解方法重构及预测流场误差分析

利用动力学模态分解(dynamic mode decomposition,DMD)方法可以实现非定常流场的分解、重构和预测,但该方法重构和预测流场的误差需要给出定量分析.鉴于此,提出了定量描述动力学模态分解重构和预测流场的误差分析方法,以雷诺数Re=80的圆柱绕流二维流场数值模拟结果为例,研究了非线性流动和周期性流场重构和预测误差的动态变化情况.结果表明:依据能量大小确定的模态反映了流场的主要相干结构;低频、低增长/衰减率和大尺度的相干结构能量占比大,对流场的影响较大;DMD方法可以准确重构非线性和周期性变化流场,重构的误差小于10-10,预测流场的误差较重构流场出现跳跃增大现象;DMD方法预测非线性变化流场的误差在样本时间区间内较小(小于10-3),超出样本区间误差的发展急剧增大,变化情况依赖于数据样本;预测周期性流场的误差稳定在10-4左右.